待验证50% 置信事实精确时间
机制二：在中间区域，将不同问题的生成计数池化（pooling）比单独估计每个答案分布更有效，从额外问题中仅能获得对数级增益。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
LLM测试时集成：双样本量与加权集成理论新解
rss2026/10/15
涉及实体
相关事实
待验证实践启示：在测试时集成中，当问题稀缺时应优先扩充问题集而非盲目增加生成次数；当问题充足时生成次数的提升会遭遇识别天花板。75% 相似待验证池化优于逐题调参：当问题之间有共同形状可借，共享信息能显著降低整体校准误差，逐题独立调参在标签少时会付出明显代价。74% 相似待验证池化的统计直觉：将所有问题的生成计数合并估计共享权重，相当于用更多数据估计更少参数以降低方差，但问题间模型优劣差异很大时强制共享会引入偏差。74% 相似待验证在垂直领域（如法律、医疗）表现不佳时，通过收集高质量问答数据进行微调往往比无限优化Prompt更有效且更可持续72% 相似待验证等量的token数并不等于等量的计算，一个对话方案看起来更好可能仅因消耗了更多串行推理步骤71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046166API
curl https://kongchang.com/api/v1/knowledge/claims/1046166MCP
get_claim(id=1046166)